thinkstock.com, ktsimage
Unser Gehirn leistet im Alltag ständig Schwerstarbeit: Es wertet ständig unzählige Sinneseindrücke und Informationen aus, trennt Unwichtiges von Wichtigem und gleicht das Aufgenommene mit vergangenen Erfahrungen ab. Wenn wir etwas lernen, baut unser Gehirn entsprechende Verbindungen zwischen bestimmten Hirnzellen auf und verstärkt sie, je häufiger wir uns diese Tätigkeit oder Information einprägen. Im Laufe der Zeit werden dadurch die Verknüpfungen, die für richtige oder wichtige Daten stehen, immer stärker – wir haben uns das Gelernte eingeprägt.
Aber wie lernt ein Computer? Früher konnten Rechner nur die Schritte ausführen, die in ihrem Programmcode, der Software, enthalten waren. Ihre Leistung beruhte auf vordefinierten Algorithmen. Lernfähig waren diese Programme daher nicht. Doch durch die Entwicklung künstlicher neuronaler Netze das hat sich geändert – Systemen, die nach ähnlichem Prinzip lernen wie unser Gehirn.
Wie lernt ein Computer?
Wie unser Denkorgan ist auch ein neuronales Netz aus einem hierarchischen System von miteinander verbundenen Knoten aufgebaut. Anfangs sind alle Verbindungen und Knoten noch gleich gewichtet. Doch dies ändert sich, wenn die künstliche Intelligenz nun die ersten Informationen bekommt. Nehmen wir beispielsweise einen lernfähigen Roboter. Dieser fährt geradeaus, stößt dann aber an ein Hindernis. Jetzt hat er mehrere Möglichkeiten: Er kann zurücksetzen, einfach nur stehenbleiben oder aber nach rechts oder links ausweichen.
Der Roboter probiert nun eine Aktion aus – beispielsweise zur Seite ausweichen. Das funktioniert. In seinem neuronalen Netz wird nun diese Aktion positiv verstärkt. Die Verbindung vom Knoten "Weg blockiert" zum Knoten "Ausweichen" wird verstärkt. Gelangt nun der Roboter wieder in diese Situation, wird er als erstes die Aktion probieren, die am stärksten gewichtet ist – das Ausweichen. Der Roboter hat damit gelernt, was in dieser Lage die sinnvollste Option ist.
Durch unzählige Wiederholungen in verschiedensten Situationen lernt die KI so, die jeweils richtigen Entscheidungen zu treffen. Ähnlich wie unser Gehirn lernt dieses Netzwerk durch positive Verstärkung: Bringt eine Aktion Erfolg, wird sie beibehalten. Bringt sie keinen, wird sie beim nächsten Mal verändert. Im Laufe der Zeit verändert sich dadurch auch die Struktur ihres neuronalen Netzes: Die Verbindungen und Knoten erfolgreicher Aktionen werden immer dominanter, die erfolglosen verkümmern – genau wie in unserem Gehirn.
